論文の概要: Analysis of voice recordings features for Classification of Parkinson's Disease

• arxiv url: http://arxiv.org/abs/2601.17007v1
• Date: Wed, 14 Jan 2026 10:59:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 02:21:38.48449
• Title: Analysis of voice recordings features for Classification of Parkinson's Disease
• Title（参考訳）: パーキンソン病の分類における音声記録の特徴の解析
• Authors: Beatriz Pérez-Sánchez, Noelia Sánchez-Maroño, Miguel A. Díaz-Freire,
• Abstract要約: 早期診断は患者の生活の質の悪化を緩和するために不可欠である。 近年の研究では、患者の音声記録の使用が早期診断に役立つことが示されている。 本稿では,さまざまなタイプの機械学習モデルと特徴選択法を組み合わせることで疾患を検出することを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Parkinson's disease (PD) is a chronic neurodegenerative disease. Early diagnosis is essential to mitigate the progressive deterioration of patients' quality of life. The most characteristic motor symptoms are very mild in the early stages, making diagnosis difficult. Recent studies have shown that the use of patient voice recordings can aid in early diagnosis. Although the analysis of such recordings is costly from a clinical point of view, advances in machine learning techniques are making the processing of this type of data increasingly accurate and efficient. Vocal recordings contain many features, but it is not known whether all of them are relevant for diagnosing the disease. This paper proposes the use of different types of machine learning models combined with feature selection methods to detect the disease. The selection techniques allow to reduce the number of features used by the classifiers by determining which ones provide the most information about the problem. The results show that machine learning methods, in particular neural networks, are suitable for PD classification and that the number of features can be significantly reduced without affecting the performance of the models.
• Abstract（参考訳）: パーキンソン病 (PD) は慢性神経変性疾患である。 早期診断は患者の生活の質の悪化を緩和するために不可欠である。 最も特徴的な運動症状は、早期に非常に軽度であり、診断が困難である。 近年の研究では、患者の音声記録の使用が早期診断に役立つことが示されている。 このような記録の分析は臨床の観点からはコストがかかるが、機械学習技術の進歩により、この種のデータの処理はますます正確で効率的になっている。 音声記録には多くの特徴が含まれているが、これらすべてが疾患の診断に関係しているかどうかは不明である。 本稿では,さまざまなタイプの機械学習モデルと特徴選択法を組み合わせることで疾患を検出することを提案する。 選択技術は、問題に関する最も多くの情報を提供するものを決定することによって、分類器によって使用される特徴の数を減らすことができる。 その結果, 機械学習手法, 特にニューラルネットワークはPD分類に適しており, モデルの性能に影響を与えることなく, 特徴量を大幅に削減できることがわかった。

関連論文リスト

• Dementia Classification Using Acoustic Speech and Feature Selection [0.3749861135832073]
  この研究は、モデル出力に基づいて特徴重要度スコアを計算するために、リッジ線形回帰、極小学習機械、線形支援ベクトル機械学習モデルを用いている。 本研究の結果は, 認知症診断において, 同じデータセットと音響的特徴抽出を用いた他の研究と比較して上位にランクされた。
  論文  参考訳（メタデータ） (2025-02-04T14:50:19Z)
• Distinguishing Parkinson's Patients Using Voice-Based Feature Extraction and Classification [0.0]
  本研究は、パーキンソン病患者の音声特徴の抽出と分類を通じて、健常者からパーキンソン病を区別することに焦点を当てる。 また,3層ニューラルネットワークアーキテクチャの精度を従来の機械学習アルゴリズムと比較した。
  論文  参考訳（メタデータ） (2025-01-24T10:44:16Z)
• MINDSETS: Multi-omics Integration with Neuroimaging for Dementia Subtyping and Effective Temporal Study [0.7751705157998379]
  アルツハイマー病(AD)と血管性認知症(VaD)は最も多い認知症である。 本稿では、ADとVaDを正確に区別する革新的なマルチオミクス手法を提案し、89.25%の精度で診断を行う。
  論文  参考訳（メタデータ） (2024-11-06T10:13:28Z)
• Early Recognition of Parkinson's Disease Through Acoustic Analysis and Machine Learning [0.0]
  パーキンソン病(英: Parkinson's Disease、PD)は、音声を含む運動機能と非運動機能の両方に大きな影響を及ぼす進行性神経変性疾患である。 本稿では,音声データを用いたPD認識手法の総合的なレビューを行い,機械学習とデータ駆動アプローチの進歩を強調した。 ロジスティック回帰、SVM、ニューラルネットワークなど、さまざまな分類アルゴリズムが検討されている。 以上の結果から,特定の音響特性と高度な機械学習技術は,PDと健常者の間で効果的に区別できることが示唆された。
  論文  参考訳（メタデータ） (2024-07-22T23:24:02Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Deep Reinforcement Learning Framework for Thoracic Diseases Classification via Prior Knowledge Guidance [49.87607548975686]
  関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。 本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。 提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
  論文  参考訳（メタデータ） (2023-06-02T01:46:31Z)
• NeuralSympCheck: A Symptom Checking and Disease Diagnostic Neural Model with Logic Regularization [59.15047491202254]
  症状検査システムは、患者に症状を問い合わせ、迅速で手頃な価格の医療評価を行う。 本稿では,論理正則化を用いたニューラルネットワークの教師付き学習に基づく新しい手法を提案する。 以上の結果から,本手法は診断回数や症状が大きい場合の診断精度において,最も優れた方法であることがわかった。
  論文  参考訳（メタデータ） (2022-06-02T07:57:17Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)
• Machine learning discrimination of Parkinson's Disease stages from walker-mounted sensors data [0.0]
  本研究は,パーキンソン病進行の6段階を識別するための機械学習手法を適用した。 データは、運動障害クリニックの実験で、低コストの歩行センサーによって取得されました。
  論文  参考訳（メタデータ） (2020-06-22T09:34:12Z)
• Diagnosis of Coronavirus Disease 2019 (COVID-19) with Structured Latent Multi-View Representation Learning [48.05232274463484]
  最近、コロナウイルス病2019(COVID-19)の流行は世界中で急速に広まっている。 多くの患者と医師の重労働のために、機械学習アルゴリズムによるコンピュータ支援診断が緊急に必要である。 本研究では,CT画像から抽出した一連の特徴を用いて,COVID-19の診断を行うことを提案する。
  論文  参考訳（メタデータ） (2020-05-06T15:19:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。